專利名稱：圖像配準方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種圖像處理方法，具體是一種圖像配準方法。屬于圖像處理技術(shù)領(lǐng)域。
背景技術(shù)：
圖像的配準是把來自不同模態(tài)或不同時間的多幅圖像進行排列，使這些圖像達到空間一致，為圖像的進一步處理提供保證。如序列圖像的三維重建和壓縮，醫(yī)學圖像信息的融合。圖像配準的目的就是確定兩個圖像之間的幾何變換關(guān)系，通過這個變換可以把一個圖像中的任意一點的坐標變換到另一圖像中的對應位置的坐標。
經(jīng)文獻檢索發(fā)現(xiàn)，作者B.Likar，F(xiàn).Pernus在《Image and Vision Computing》第2001年19期的33-44頁上發(fā)表文章“A hierarchical approach to elasticregistration based on mutual information”(《圖像和視圖計算》，“基于互信息的分級彈性配準”)，該文中提到圖像配準的方法為首先對圖像進行分塊，再分別在各個塊圖像上用互信息進行本地配準，然后通過插值，從新組成圖像，最后進行全局配準。該項技術(shù)有以下缺點(1)如果兩幅圖像在位置上差別較大，通過分塊，對應的小塊圖像信息差別很大，本地配準結(jié)果就很難準確，通過插值，很難保證最后的全局配準結(jié)果的正確性。(2)該技術(shù)雖然對本地與全局采取不同精度的配準方法來提高配準速度，但如果圖像差別較大的情況下，其計算速度依然不能保證。(3)該技術(shù)的最優(yōu)化程序采用二分法查找，雖然能夠找到最優(yōu)變換，但其計算速度不快。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服背景技術(shù)中存在的不足，提供一種圖像配準方法。該方法在使用最大互信息配準前使用最大相關(guān)性進行全局粗配準的方法，減少了計算量，提高了配準速度。在最優(yōu)化程序的選擇上，采用梯度坡降法和Powell搜索算法相結(jié)合的方法，在很大程度上解決了局部極值的問題，又提高了原Powell搜索算法的計算效率。
本發(fā)明通過以下技術(shù)方案實現(xiàn)的，本發(fā)明方法步驟如下步驟一為了減少配準算法的計算量，使圖像免除噪音的干擾，首先基于圖像灰度計算出處理對象與背景之間的閾值。
步驟二根據(jù)步驟一確定的處理對象與背景的閾值，使用種子填充法去掉參考圖像和待配準圖像中背景部分，這樣可以避免背景灰度因素在以下步驟中可能產(chǎn)生的干擾。
步驟三采用快速相關(guān)法對去處背景后的參考圖像和待配準圖像進行粗配準。
步驟四使用最大互信息法對參考圖像和由步驟三得出的圖像進行精細配準。
以下對本發(fā)明內(nèi)容作進一步的說明，具體內(nèi)容如下所述的步驟三，采用快速相關(guān)法對去處背景后的參考圖像和待配準圖像進行粗配準具體為(1)通過快速相關(guān)法找到最優(yōu)變換。
(2)在查找最優(yōu)變換時，使用剛性變換(平移變換加旋轉(zhuǎn)變換)。
(3)采用梯度坡降法和Powell搜索算法相結(jié)合的方法得出最大相似性。
(4)使用黃金分割查找一維最優(yōu)變換。
所述的步驟四，使用最大互信息法對參考圖像和由步驟三得出的圖像進行配準，具體為(1)通過最大互信息方法找到最優(yōu)變換。
(2)在查找最優(yōu)變換時，使用剛性變換(平移變換加旋轉(zhuǎn)變換)。
(3)采用梯度坡降法和Powell搜索算法相結(jié)合的方法得出最大互信息。
(4)使用黃金分割查找一維最優(yōu)變換。
由于不同的成像設備有不同的成像特點，包含不同的信息，對圖象配準技術(shù)的研究可以對不同成像設備在同一時期產(chǎn)生的圖像信息進行綜合，獲得更多的可用信息；同時，通過對同一成像設備不同時期的圖像配準問題，觀察前后不同組成成分的影像學變化情況，得到有用信息。在對骨肉瘤診斷方面，骨肉瘤對化療藥物的敏感程度決定了患者預后，提高對化療不敏感的骨肉瘤患者的療效，是臨床亟待解決的重要課題。通過對同一醫(yī)學成像設備不同時期的圖像配準問題，觀察骨肉瘤化療前后不同組成成分的影像學變化情況，以腫瘤細胞壞死率測定為金標準，可以很好地解決這一問題。盡管目前已提出了許多配準算法，但都各有其應用的局限性，還沒有哪一種算法是通用的，實際用于臨床的還不太多，且大多集中于對頭部的研究，對骨肉瘤圖像的配準應用還很少。本發(fā)明方法可以應用在這種場合。
本發(fā)明能對圖像進行自動配準，主要具有以下特點和作用(1)本發(fā)明在使用互信息進行精細配準前先使用快速相關(guān)法對圖像進行粗配準。由于快速相關(guān)法計算量小，速度快，極大地提高了整個配準方法的速度。(2)采用梯度坡降法和Powell搜索算法相結(jié)合的方法得出最大相關(guān)性(最大互信息)。使用梯度坡降法尋找最快加速方向。使用powell搜索算法解決梯度坡降法的局部極值問題。(3)本發(fā)明使用黃金分割的方法在一維上查找變換T，使得待配準圖像B通過T變換，和參考圖像A具有最大相似性。由于對給定的一個初始區(qū)間，黃金分割是求解一維曲線方程最大值所在位置的最有效方法，因此使用黃金分割的方法可以在最短時間內(nèi)得到最優(yōu)解(T變換)。
本發(fā)明方法適用于對多幅圖像進行配準為進一步研究處理做準備，如對核磁共振設備采集的時間序列圖像信息的研究，計算機斷層X線攝影圖像和磁共振圖像的信息融合。
具體實施例方式
以下提供實施例來進一步說明本發(fā)明方法的應用MR圖像為某某醫(yī)院核磁共振影像科室利用馬可尼醫(yī)療設備公司1.5T核磁共振影像設備(Eclipse 1.5T，Marconi Medical Systems，Inc，)采集的17歲男孩的腿部骨肉瘤的圖像。
運行本發(fā)明方法的設備為普通個人計算機，其具體配置為P41.8G，256M內(nèi)存，80G硬盤。發(fā)明方法的具體實現(xiàn)平臺為Windows2000下的Visual C++計算平臺。
具體實施情況如下步驟一為了減少配準算法的計算量，使圖像免除噪音的干擾，首先基于圖像灰度計算出處理對象與背景之間的閾值。
(1)求出圖像中的最大和最小灰度Z1和Zk，令閾值初始值為T0=Z1+Zk2]]>(2)根據(jù)閾值Tk將圖像分割成R1和R2兩部分，分別求出兩部分的平均灰度值Z0和ZB
Zo=Σz(i,j)<Tkz(i,j)×N(i,j)Σz(i,j)<Tk]]>ZB=Σz(i,j)>Tkz(i,j)×N(i,j)Σz(i,j)>Tkz(i,j)]]>公式中Z(i，j)是圖像上(i，j)點的灰度值，N(i，j)是(i，j)點的權(quán)重系數(shù)，這里取N(i，j)＝1.0。
(3)求出新的閾值Tk+1=Zo+ZB2]]>(4)如果Tk＝Tk+1，則結(jié)束，否則k＝k+1，迭代執(zhí)行上述步驟。
步驟二根據(jù)步驟一確定的處理對象與背景的閾值，使用種子填充法去掉參考圖像和待配準圖像中背景部分，這樣可以避免背景灰度因素在以下步驟中可能產(chǎn)生的干擾。
步驟三采用快速相關(guān)法對去處背景后的參考圖像和待配準圖像進行粗配準。
(1)通過快速相關(guān)法找到最優(yōu)變換。
計算快速相關(guān)法測度的方法如下對參考圖像A和待配準圖像B進行逐行掃描(A(i，j)和B(i，j)為圖像A和B的灰度值)若A(i，j)＝B(i，j)＝背景值，則設該點值為0；若A(i，j)小于或者大于背景值且B(i，j)小于或者大于背景值，則設該點值為0；若A(i，j)和B(i，j)中有一個為背景值，另一個非背景值，則設該點的值為1。
計算所有非零點的個數(shù)sum，作為參考圖像和配準圖像的相似性評估，sum越小，則說明兩幅圖像越相似。
(2)在查找最優(yōu)變換時，使用剛性變換(平移變換加旋轉(zhuǎn)變換)。
(3)采用梯度坡降法和Powell搜索算法相結(jié)合的方法得出最大相似性。
假設有N個相互獨立的變量(這里執(zhí)行的是剛性變換，則有3個變量，x軸變量，y軸變量和旋轉(zhuǎn)變量θ)，則每次Powell迭代需要計算(N+1)次一維查找，每次查找都從起始點開始，前N次查找分別沿著這N個軸進行，第N+1次查找沿著從起始點到前N次查找的結(jié)束點的方向(即梯度方向)進行。當?shù)也坏礁蟮南嗨菩詴r就結(jié)束。
使用梯度坡降法來求互信息，一次迭代需要進行N次相似性評估。每次先把一個獨立變量xj增加一個很小的變量ε，求出信息量的增量Δj，然后把求得的N維向量{Δ1，Δ2，……，ΔN}化為標準型，用來求得梯度方向。
(4)使用黃金分割查找一維最優(yōu)變換。
本發(fā)明方法使用黃金分割的方法在一維上查找變換T，使得待配準圖像B通過T變換，和參考圖像A具有最大相似性。為了求得這個變換，假設相似性方程F(此方程是以變換T為變量的)沿著軸方向是一條向上拋物線(也就是有且僅有1個最大值)并且必須找到與這個最大值對應的變換T所在的區(qū)間。找到這個區(qū)間的方法如下a)令xj-1＝x0(x0是起始點)b)隨機找一個數(shù)ε，沿著軸方向找到與xj-1距離為ε的點xj。
c)在xj點上求得評估方程F的值，如果F(xj)＜F(xj-1)，則停止，否則令xj-1＝xj，沿著軸方向找到與點xj-1距離為ε的點xj，重復上述步驟，直到方程找到點xj，使得F(xj)＜F(xj-1)。
如果此過程執(zhí)行3次以上，則只有最后3個點aj-2，xj-1，xj被保存。區(qū)間(xj-2，xj)即為所求區(qū)間。
符合條件的區(qū)間找到后，開始在此區(qū)間進行黃金分割，求得似的相關(guān)性(互信息)為最大值所在的點。步驟如下a)令k＝1.0e-4b)p1＝xj-2，p4＝xj，c)s＝p4-p1，p2＝p1+0.382s，p3＝0.618sd)如果F(p4)＞F(p1)，則p1＝p2；否則，p4＝p3e)如果(p4-p1)≥k，則轉(zhuǎn)c)，否則迭代結(jié)束，如果F(p4)＞F(p1)，則p4為所求點，否則p1為所求點。
步驟四使用最大互信息法對參考圖像和由步驟三得出的圖像進行精細配準。(具體實施方法同步驟三，不同的是這里的相似性測度是互信息)。
(1)在查找最優(yōu)變換時，使用剛性變換(平移變換加旋轉(zhuǎn)變換)。
(2)采用梯度坡降法和Powell搜索算法相結(jié)合的方法得出最大互信息。
(3)使用黃金分割查找一維最優(yōu)變換。
(4)對待配準圖像實施通過最大互信息方法找到的剛性變換，得到最終的準結(jié)果。
本發(fā)明方法取得了較好的實施效果(1)對核磁共振圖像進行配準，得到較的效果(見表1)；(2)對于骨肉瘤化療前后不同組成成分的圖像進行配準，得出變化情況，為進一步的診斷提供了依據(jù)。
表1仿真實驗的配準參數(shù)

權(quán)利要求
1.一種圖像配準方法，其特征在于，方法步驟如下步驟一首先基于圖像灰度計算出處理對象與背景之間的閾值；步驟二根據(jù)步驟一確定的處理對象與背景的閾值，使用種子填充法去掉參考圖像和待配準圖像中背景部分；步驟三采用快速相關(guān)法對去處背景后的參考圖像和待配準圖像進行粗配準；步驟四使用最大互信息法對參考圖像和由步驟三得出的圖像進行精細配準。
2.根據(jù)權(quán)利要求1所述的圖像配準方法，其特征是，所述的步驟三，采用快速相關(guān)法對去處背景后的參考圖像和待配準圖像進行粗配準，具體為(1)通過快速相關(guān)法找到最優(yōu)變換；(2)使用剛性變換即平移變換加旋轉(zhuǎn)變換查找最優(yōu)變換；(3)采用梯度坡降法和Powell搜索算法相結(jié)合的方法得出最大相似性；(4)使用黃金分割查找一維最優(yōu)變換。
3.根據(jù)權(quán)利要求1或2所述的圖像配準方法，其特征是，所述的快速相關(guān)法，計算其測度的方法如下對參考圖像A和待配準圖像B進行逐行掃描，A(i，j)和B(i，j)為圖像A和B的灰度值若A(i，j)＝B(i，j)＝背景值，則設該點值為0；若A(i，j)小于或者大于背景值且B(i，j)小于或者大于背景值，則設該點值為0；若A(i，j)和B(i，j)中有一個為背景值，另一個非背景值，則設該點的值為1；計算所有非零點的個數(shù)sum，作為參考圖像和配準圖像的相似性評估，sum越小，則說明兩幅圖像越相似。
4.根據(jù)權(quán)利要求1所述的圖像配準方法，其特征是，所述的步驟四，使用最大互信息法對參考圖像和由步驟三得出的圖像進行精細配準，具體為(1)通過最大互信息方法找到最優(yōu)變換；(2)使用剛性變換即平移變換加旋轉(zhuǎn)變換查找最優(yōu)變換；(3)采用梯度坡降法和Powell搜索算法相結(jié)合的方法得出最大互信息；(4)使用黃金分割查找一維最優(yōu)變換。
5.根據(jù)權(quán)利要求2或4所述的圖像配準方法，其特征是，所述的使用黃金分割查找一維最優(yōu)變換，具體如下使用黃金分割的方法在一維上查找變換T，使待配準圖像B通過T變換，和參考圖像A具有最大相似性，假設相似性方程F沿著軸方向是一條向上拋物線，此方是以變換T為變量，為了求得一維最優(yōu)變換，必須找到與這個最大值對應的變換T所在的區(qū)間，找到這個區(qū)間的方法如下d)令xj-1＝x0，x0是起始點，e)隨機找一個數(shù)ε，沿著軸方向找到與xj-1距離為ε的點xj，f)在xj點上求得評估方程F的值，如果F(xj)＜F(xj-1)，則停止，否則令xj-1＝xj，沿著軸方向找到與點xj-1距離為ε的點xj，重復上述步驟，直到方程找到點xj，使得F(xj)＜F(xj-1)，如果此過程執(zhí)行3次以上，則只有最后3個點xj-2，xj-1，xj被保存，區(qū)間(xj-2，xj)即為所求區(qū)間；然后在此區(qū)間進行黃金分割，求得相似的相關(guān)性或互信息為最大值所在的點，步驟如下f)令k＝1.0e-4，g)p1＝xj-2，p4＝xj，h)s＝p4-p1，p2＝p1+0.382s，p3＝0.618s，i)如果F(p4)＞F(p1)，則p1＝p2，否則，p4＝p3，如果(p4-p1)≥k，則轉(zhuǎn)c)，否則迭代結(jié)束，如果F(p4)＞F(p1)，則p4為所求點，否則p1為所求點。
全文摘要
一種圖像配準方法，屬于圖像處理技術(shù)領(lǐng)域。具體如下步驟一首先基于圖像灰度計算出處理對象與背景之間的閾值；步驟二根據(jù)步驟一確定的處理對象與背景的閾值，使用種子填充法去掉參考圖像和待配準圖像中背景部分；步驟三采用快速相關(guān)法對去處背景后的參考圖像和待配準圖像進行粗配準；步驟四使用最大互信息法對參考圖像和由步驟三得出的圖像進行精細配準。本發(fā)明極大地提高了整個配準方法的速度，使用梯度坡降法尋找最快加速方向，使用powell搜索算法解決梯度坡降法的局部極值問題，使用黃金分割的方法可以在最短時間內(nèi)得到最優(yōu)解。本發(fā)明方法適用于對多幅圖像進行配準為進一步研究處理做準備。
文檔編號G06T3/00GK1556501SQ20041001565
公開日2004年12月22日 申請日期2004年1月8日 優(yōu)先權(quán)日2004年1月8日
發(fā)明者李明祿, 梅炯, 蔡宣松, 趙永強, 萬蕊 申請人:上海交通大學